一种基于多变量相关性的高压辊磨机出料合格率检测方法技术

技术编号:37084860 阅读:26 留言:0更新日期:2023-03-29 20:00
本发明专利技术涉及矿物粉碎过程技术领域,尤其涉及一种基于多变量相关性的高压辊磨机出料合格率检测方法。其能反应真实的辊磨出料合格率,并且检测成本低,效率高。包括:步骤1、针对高压辊磨机磨矿作业过程中的M个变量,进行特征选取,组成我们的研究对象。步骤2、估计出最优的时延向量。步骤3、构建多变量关联重构矩阵。步骤4、构建灰色关联系数矩阵H,得到灰色关联度。步骤5、基于粒子群优化算法求最优Τ

【技术实现步骤摘要】
一种基于多变量相关性的高压辊磨机出料合格率检测方法


[0001]本专利技术涉及矿物粉碎过程
,尤其涉及一种基于多变量相关性的高压辊磨机出料合格率检测方法。

技术介绍

[0002]高压辊磨机作为一种高效节能的连续性矿石粉碎设备,被广泛应用于选矿行业中。其中辊磨出料合格率作为高压辊磨机磨矿过程中的一项重要的产品质量指标和生产控制指标,也影响着选矿后续流程是否良好进行,所以对高压辊磨机出料合格率的检测对提高产品质量和优化生产控制至关重要。
[0003]目前选矿厂出料合格率在线检测还是采用最为直接的方法,在以高压辊磨机为核心的磨矿流程中,将入料皮带秤所秤的瞬时入料量直接与出料皮带秤所秤的合格粒度瞬时出料量相比而得到该时刻的高压辊磨机出料合格率。该方法虽然简单直接,但检测结果是不准确的,因为研磨、皮带运送到振动筛、振动筛进行筛分都需要一定的时间,而且这时间随入料状况而变化,即同一时刻的入料与出料是不对应的,之间在时间上存在一定的延迟。所以高压辊磨机出料合格率在线检测的核心问题就在于求出入料与出料在当前时刻为基准的时间延迟。
[0004]与此同时,高压辊磨机研磨中存在的多种物理反应使得各种过程变量之间又相互影响,以单变量之间的相关性来确定时滞大小存在忽略其他过程变量对合格出料量的影响以及过程变量之间的关联性。为此考虑多个过程变量间的相关性,基于现有时延参数估计方法,提出了一种基于多变量相关性的高压辊磨机出料合格率检测方法。

技术实现思路

[0005]本专利技术就是针对现有技术存在的缺陷,提供一种基于多变量相关性的高压辊磨机出料合格率检测方法。
[0006]为实现上述目的,本专利技术采用如下技术方案,包括:
[0007]步骤1、针对高压辊磨机磨矿作业过程中的M个变量,进行特征选取,组成我们的研究对象。
[0008]步骤2、估计出最优的时延向量。
[0009]步骤3、构建多变量关联重构矩阵。
[0010]步骤4、构建灰色关联系数矩阵H,得到灰色关联度。
[0011]步骤5、基于粒子群优化算法求最优Τ

,相对于基准变量x0,估计N个过程变量的时间延迟,则粒子群在N维空间搜寻最优的时延基向量,评价的适应度函数为灰色关联度Ο。
[0012]步骤6、得到时刻t的高压辊磨机出料合格率。
[0013]进一步地,步骤1中,所述针对高压辊磨机磨矿作业过程中的M个变量,进行特征选取,组成我们的研究对象包括。
[0014]针对高压辊磨机磨矿作业过程中的M个变量,选取不同个日期内连续时间内的数据组成特征选择样本,并进行滤波、归一化。
[0015]再对过程变量与单位时间内的合格出料量Q(t/h)进行MIC(最大信息系数)相关性分析,选取平均MIC值大于0.5的所有N

1过程变量,进行特征选取,组成我们的研究对象。
[0016]X
N
=[x0,x1,

,x
i
,

x
N
][0017]x0为单位时间内的合格出料量,并作为时序序列数据的基准变量。
[0018]x
i
,i≠0,为与x0之间的平均MIC>0.5的过程变量。
[0019]x
N
为单位时间内的入料量。
[0020]进一步地,步骤2中,所述估计出最优的时延向量包括:
[0021]令t时刻X
t
=[x
0t
,x
1t
,

,x
it
,

x
Nt
],不同过程变量与Q
t
之间有着不同的真实时间延迟,其延迟向量为Τ
t
,假设t时刻,由(大量)历史数据估计出最优的时延向量为:
[0022]Τ

t
=[τ1,τ2,


i
,


N
]=[δ1T,δ2T,


i
T,


N
T]。
[0023]T为采样周期,δ
i
∈Z为x
i
的时延时基,然后重构
[0024]进一步地,步骤3中,所述构建多变量关联重构矩阵包括从t时刻开始选取q个采样周期T的x0。
[0025][0026][0027]qT(不能过小,)需要不小于高压辊磨机从空载入料到刚出料之间的时间间隔经验值,由此构建多变量关联重构矩阵:
[0028][0029]进一步地,步骤4中,所述构建灰色关联系数矩阵H,得到灰色关联度包括:i=1,2,

,N;i为Λ的列数,Λ为q
×
N矩阵,构建灰色关联系数矩阵H。j=0,1,

,q

1;i=1,2,

,N,α为0.5。
[0030]得到灰色关联度:
[0031]Ο值越大,则表明估计的时延向量Τ

越接近Τ,一定程度上Τ

≈Τ。
[0032]进一步地,步骤5中,所述基于粒子群优化算法求最优Τ

,相对于基准变量x0,需要估计N个过程变量的时间延迟,则粒子群在N维空间搜寻最优的时延基向量,评价的适应度函数为灰色关联度Ο包括。
[0033]令N维空间中的第i个粒子位置向量为:p
i
=[p
i1
,p
i2
,

,p
iN
],对应的速度向量v
i
=[v
i1
,v
i2
,

,v
iN
],第i个粒子的速度和位置更新公式如下。
[0034]v
ik+1
=ω
·
v
ik
+c1·
r1(pbest
ik

p
ik
)+c2·
r2(gbest
ik

p
ik
)
[0035]p
ik+1
=p
ik
+v
ik+1
[0036]其中,k:当前的迭代次数;r1,r2:在[0,1]区间内的均匀分布随机数;c1,c2:学习因子;pbest
ik
:第i个粒子在k次迭代次数之前的个体历史最优位置向量;gbest
ik
:第i个粒子在k次迭代次数之前的群体全局历史最优位置向量;ω:惯性权重,ω=ω
max


max

ω
min
)k/G,ω
max
:最大惯性本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于多变量相关性的高压辊磨机出料合格率检测方法,其特征在于:包括以下步骤:步骤1、针对高压辊磨机磨矿作业过程中的M个变量,进行特征选取,组成我们的研究对象;步骤2、估计出最优的时延向量;步骤3、构建多变量关联重构矩阵;步骤4、构建灰色关联系数矩阵H,得到灰色关联度;步骤5、基于粒子群优化算法求最优Τ

,相对于基准变量x0,估计N个过程变量的时间延迟,则粒子群在N维空间搜寻最优的时延基向量,评价的适应度函数为灰色关联度Ο;步骤6、得到时刻t的高压辊磨机出料合格率。2.根据权利要求1所述的一种基于多变量相关性的高压辊磨机出料合格率检测方法,其特征在于:步骤1中,所述针对高压辊磨机磨矿作业过程中的M个变量,进行特征选取,组成我们的研究对象包括:针对高压辊磨机磨矿作业过程中的M个变量,选取不同个日期内连续时间内的数据组成特征选择样本,并进行滤波、归一化;再对过程变量与单位时间内的合格出料量Q(t/h)进行MIC相关性分析,选取平均MIC值大于0.5的所有N

1过程变量,进行特征选取,组成研究对象:X
N
=[x0,x1,

,x
i
,

x
N
]x0为单位时间内的合格出料量,并作为时序序列数据的基准变量;x
i
,i≠0,为与x0之间的平均MIC>0.5的过程变量;x
N
为单位时间内的入料量。3.根据权利要求1所述的一种基于多变量相关性的高压辊磨机出料合格率检测方法,其特征在于:步骤2中,所述估计出最优的时延向量包括:令t时刻X
t
=[x
0t
,x
1t
,

,x
it
,

x
Nt
],不同过程变量与Q
t
之间有着不同的真实时间延迟,其延迟向量为Τ
t
,假设t时刻,由(大量)历史数据估计出最优的时延向量为:Τ
t

=[τ1,τ2,


i
,


N
]=[δ1T,δ2T,


i
T,


N
T]T为采样周期,δ
i
∈Z为x
i
的时延时基,然后重构4.根据权利要求1所述的一种基于多变量相关性的高压辊磨...

【专利技术属性】
技术研发人员:张俊飞王兰豪冯泉张强张擎宇张威刘江李向军张亮
申请(专利权)人:沈阳盛世五寰科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1